基于非線性流行學(xué)習(xí)的運動圖過渡點選取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及基于非線性流行學(xué)習(xí)的運動圖過渡點選取方法，屬于計算機圖像處理
技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 近年來，隨著計算機軟硬件技術(shù)的進步，計算機動畫技術(shù)得到了飛速的發(fā)展，計算 機動畫是指采用圖形與圖像的處理技術(shù)，以實體造型和真實感顯示技術(shù)為基礎(chǔ)，借助于編 程或動畫制作軟件生成一系列的景物畫面。其涉及到圖像處理技術(shù)、運動控制原理、視頻技 術(shù)和藝術(shù)等眾多領(lǐng)域，以獨特的特點逐步成為一個多種學(xué)科和技術(shù)綜合的領(lǐng)域。其中，運動 捕捉技術(shù)的不斷發(fā)展，人們可以利用捕捉設(shè)備抓取到的數(shù)據(jù)生成更多樣化且復(fù)雜的虛擬人 運動。但是，由于運動捕捉設(shè)備昂貴且受限于捕捉的外部條件，不可能對所需的人體運動數(shù) 據(jù)每次都進行捕捉，運動數(shù)據(jù)重用技術(shù)和基于運動圖的人體動畫合成技術(shù)由此產(chǎn)生。將捕 獲的人體運動數(shù)據(jù)根據(jù)運動類型分類保存構(gòu)建運動圖，合成新的人體運動數(shù)據(jù)時，只需遍 歷運動圖并結(jié)合插值技術(shù)即可由現(xiàn)有的人體運動數(shù)據(jù)片段合成新的所需人體運動數(shù)據(jù)。因 此，基于運動捕捉數(shù)據(jù)的運動合成技術(shù)研究是計算機動畫技術(shù)重要的研究領(lǐng)域之一。
[0003] 自2002年基于運動圖的人體運動合成方法產(chǎn)生后，在人體運動數(shù)據(jù)合成領(lǐng)域，基 于運動圖的人體運動合成方法已成為目前的主要方法。如附圖2所示，運動圖的基本方法 是將運動捕捉數(shù)據(jù)按運動類型分段，每幀為一個節(jié)點，然后計算每一個節(jié)點間的相似性，滿 足所設(shè)閾值的節(jié)點間構(gòu)建為邊，最后形成運動圖，進行人體運動合成的過程就是在運動圖 上搜索所需路徑的過程。盡管經(jīng)過多年的發(fā)展，但其仍存在很多問題，例如運動圖中點、邊 的定義，過渡點的選取，運動圖上搜索路徑的規(guī)劃等。
[0004] 另一方面，基于非線性流形學(xué)習(xí)的方法被引入到人體運動合成領(lǐng)域，非線性流 行學(xué)習(xí)可以對高維人體運動數(shù)據(jù)進行降維分析，常用的非線性流行學(xué)習(xí)方法有IS0MAP、 ST-ISOMAP、SOM和LLE等，前三種屬于全局方法，后者則屬于局部方法。ISOMP降維方 法可用于運動段的分割，提取邊界關(guān)鍵幀，以區(qū)分原始運動數(shù)據(jù)段中不同類型的分段。 ST-ISOMP方法可將人體運動數(shù)據(jù)片段投影到低維流行上進行重排得到新的運動數(shù)據(jù)片 段。而SOM方法得到高維數(shù)據(jù)在低維流行上的分布。
[0005] 已有的研究表明，基于全局非線性流行學(xué)習(xí)的方法適合于人體運動片段的分割、 提取關(guān)鍵幀等操作，降維后的低維數(shù)據(jù)可以很好的反映運動序列的高維姿態(tài)，可以有效的 發(fā)掘運動數(shù)據(jù)片段最本質(zhì)的運動特征。同時，降低運動圖過渡點選取時間復(fù)雜度仍然是一 個具有挑戰(zhàn)性的任務(wù)。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明針對以上問題的提出，而研制基于非線性流行學(xué)習(xí)的運動圖過渡點選取方 法，該方法通過建立計算關(guān)鍵運動數(shù)據(jù)段間的相似性，著重解決在運動圖構(gòu)建過程中跳轉(zhuǎn) 點選取時間復(fù)雜度高，選取不準(zhǔn)確的問題，從而提高運動圖的構(gòu)建效率，使得生成的運動數(shù) 據(jù)更加平滑自然。
[0007] 本發(fā)明包括如下步驟：
[0008] 步驟一：高維數(shù)據(jù)的降維分析。
[0009] 步驟二：提取關(guān)鍵數(shù)據(jù)段。
[0010] 步驟三：計算關(guān)鍵數(shù)據(jù)段幀間相似性。
[0011] 步驟四：構(gòu)建運動圖。
[0012] 本發(fā)明的原理：通過ISOMAP降維算法對高維人體運動數(shù)據(jù)進行降維處理，使用降 維后的低維數(shù)據(jù)，繪制低維特征曲線。根據(jù)低維特征曲線選取人體運動片段中的關(guān)鍵數(shù)據(jù) 段，計算關(guān)鍵運動數(shù)據(jù)段幀間的相似性，滿足所設(shè)閾值的幀連接成邊，最終形成一個由關(guān)鍵 數(shù)據(jù)段組成的運動圖結(jié)構(gòu)，合成新的人體運動數(shù)據(jù)時，只需遍歷此運動圖即可。
[0013] 本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點：
[0014] 在表一中，方法A為計算過渡點的標(biāo)準(zhǔn)方法。方法B為一種過渡點快速選取算法。 通過表一可見，計算所得的距離矩陣分別為A[344*163]，B[115*55]，C[250*88]。時間消耗 對比數(shù)據(jù)表示計算距離圖所需的時間，方法A為117. 572319秒，方法B為19. 229195秒，本 發(fā)明所提方法C為45. 487492秒，因此本發(fā)明所提方法在時間效率上優(yōu)于標(biāo)準(zhǔn)算法，與快 速法接近。第三項對比數(shù)據(jù)準(zhǔn)確率表示當(dāng)前算法找到的過渡點占所有可連接點的比率，因 為方法A為標(biāo)準(zhǔn)算法，計算當(dāng)前運動序列所有幀間的相似性，因此假設(shè)方法A的準(zhǔn)確率為 100%，設(shè)定閾值ε，其他2種方法均已A為基底計算準(zhǔn)確率，以R表示準(zhǔn)確率，當(dāng)前算法找到 過渡點的總數(shù)為S i (i=a，b，c)，由于考慮到標(biāo)準(zhǔn)算法在計算時會產(chǎn)生大量的無效邊，特別是 在參與計算的2段運動類型相似的情況下，不符合物理定律的2幀運動間也可能連接成邊， 因此設(shè)定一個權(quán)值P，P值根據(jù)參與計算的2段運動類型的不同而不同，在0~1范圍內(nèi)， 值越大，運動類型差距越大。則計算公式為：
[0015] R=P (Si/Sa)，
[0016] 通過公式計算，方法B準(zhǔn)確率為33. 4%，本文所提方法C準(zhǔn)確率為78. 1%。對比可 見，本發(fā)明所提方法尋找合適過渡點的準(zhǔn)確率優(yōu)于快速選擇法，接近標(biāo)準(zhǔn)算法。因此，基于 非線性流行學(xué)習(xí)的運動圖過渡點選取方法在時間和準(zhǔn)確率上都有一定的優(yōu)勢，這種方法在 大幅降低時間消耗的同時，保持了一定的準(zhǔn)確率，是一種有效可靠的運動圖過渡點選取算 法。
[0017] 表一：與其他方法對比
[0018]
【主權(quán)項】
1.基于非線性流行學(xué)習(xí)的運動圖過渡點選取方法，其特征在于：包括以下步驟： 步驟一：高維數(shù)據(jù)的降維分析 使用ISOMAP非線性流形學(xué)習(xí)算法，對高維人體運動數(shù)據(jù)進行降維處理，得到原始運動 序列的低維流形結(jié)構(gòu)，根據(jù)運動類型的不同，繪制與之匹配的低維特征曲線； (1) 取一段長度為L幀的n維人體運動數(shù)據(jù)，則輸入數(shù)據(jù)集Channel=[LXn]，根據(jù)本文 所使用的CMU數(shù)據(jù)庫數(shù)據(jù)，每一幀數(shù)據(jù)包含n=96維數(shù)據(jù)； (2) 計算每個點的近鄰點，用K近鄰或e鄰域； (3 )在樣本集上定義一個無向圖，以局部領(lǐng)域的數(shù)據(jù)點來構(gòu)建無向連接圖G，邊表示在 局部領(lǐng)域范圍內(nèi)點之間的連接； (4) 計算無向圖的最短距離，使用Dijkstra算法計算圖中兩點（i，j)的最短距離，所得 的距離矩陣為Dc : DG={dG(i, j)}； (5) 使用MDS求解低維嵌入流形； 步驟二：提取關(guān)鍵數(shù)據(jù)段 根據(jù)人體運動低維特征曲線，提取關(guān)鍵運動段，在此關(guān)鍵運動段內(nèi)計算幀間相似性； 基于對過渡平滑度的考慮，采用一個長度為W的窗口，將窗口內(nèi)的數(shù)據(jù)加入新的數(shù)據(jù) 集的值由公式?jīng)Q定： W=L/(pC)； 其中，L為幀長度，P為權(quán)值，取決于人體姿態(tài)變化的頻率，C為特征曲線頂點的數(shù)量； 確定W的值后，記錄窗口內(nèi)的幀數(shù)，在數(shù)據(jù)集channel中提取相對應(yīng)的數(shù)據(jù)，存入新的數(shù)據(jù) 集1中，i為對應(yīng)的運動序列序號； 步驟三：計算關(guān)鍵數(shù)據(jù)段幀間相似性 使用歐氏距離的計算方法，計算關(guān)鍵數(shù)據(jù)段間每幀的相似性，畫出距離圖； 首先，將步驟二中提取的關(guān)鍵運動數(shù)據(jù)段建立數(shù)據(jù)集，原運動數(shù)據(jù)中提取出來的關(guān)鍵 段為一個數(shù)據(jù)集； 其次，計算幀間相似形，兩兩計算各幀間的距離，采用歐式距離表示；將滿足所設(shè)閾值 的兩點連接，形成一個跳轉(zhuǎn)點； 步驟四：構(gòu)建運動圖 設(shè)定一個閾值e，將所有小于閾值e的幀間連接成邊，經(jīng)過剪支處理后，構(gòu)建成運動 圖。
【專利摘要】本發(fā)明公開了基于非線性流行學(xué)習(xí)的運動圖過渡點選取方法，屬于計算機圖像處理技術(shù)領(lǐng)域。本發(fā)明包括高維數(shù)據(jù)的降維分析，提取關(guān)鍵數(shù)據(jù)段，計算關(guān)鍵數(shù)據(jù)段幀間相似性，構(gòu)建運動圖幾個步驟。
【IPC分類】G06T13-40
【公開號】CN104658023
【申請?zhí)枴緾N201310594434
【發(fā)明人】蓋麗
【申請人】大連佑嘉軟件科技有限公司
【公開日】2015年5月27日
【申請日】2013年11月20日